好訊息！6月13日，騰訊雲資料庫三篇論文再次入選資料庫行業頂會SIGMOD，被SIGMOD 2022 Research Full Paper（研究類長文）收錄。
本次被收錄的研究成果中，新型資料結構設計、AI智慧調參優化等均屬於業界首次提出。騰訊雲資料庫多次入選SIGMOD，表明騰訊雲資料庫在儲存、智慧管控等方面的積累與前沿創新獲得了國際權威認可。
SIGMOD，全稱資料管理國際會議（Special Interest Group on Management Of Data），是由美國計算機協會（ACM）資料管理專業委員會（SIGMOD）發起、在資料庫領域具有最高學術地位的國際性學術會議。
第一篇入選論文題目為HUNTER: An Online Cloud Database Hybrid Tuning System for Personalized Requirements，由騰訊雲資料庫團隊和華中科技大學合作完成，在AI智慧調參優化上取得進一步突破。
通俗理解，資料庫的引數設定多達幾百個，這些引數控制著資料庫的效能表現。專業運維人員會花大量時間，根據經驗來調優資料庫的引數，以匹配不同硬體、需求和業務場景。如何利用 AI 技術解決資料庫系統效能問題變得越來越重要和緊迫。
在此篇論文中，騰訊雲資料庫TDSQL-C團隊提出了混合調優系統Hunter，主要解決了如何在保證調優效果的前提下顯著減少調優時間的問題。實驗表明：隨著併發度提升實現調優時間準線性降低，在單併發度場景下調優時間只需17小時，在20併發度場景下調優時間縮短至2小時。
第二篇入選論文由中國人民大學和騰訊雲資料庫團隊合作完成，題為CompressDB: Enabling Efficient Compressed Data Direct Processing for Various Databases，論文針對壓縮資料的直接操作與處理，提出一項新型資料庫處理技術——CompressDB。
面對當下指數級增長的資料量，行業普遍使用資料壓縮來減少儲存空間。在大資料管理系統中，直接在壓縮資料上進行操作，可以獲得儲存空間的節約和處理效能的提升。但是，當前的此類系統只關注資料查詢，而一個完整的大資料管理系統必須支援資料查詢和資料操作。
本研究提出並實現了新型資料庫技術，利用上下文無關文法來壓縮資料，通過新的資料結構和演算法設計實現對語法規則進行解析，CompressDB支援直接對壓縮後的資料進行資料查詢和操作，並且支援各種資料庫系統。實驗表明，CompressDB 平均達到40%的吞吐量提升和44%的延遲縮短，並實現1.81倍的壓縮率。
第三篇入選論文由騰訊和北京大學合作完成，題為 BlindFL: Vertical Federated Machine Learning without Peeking into Your Data。針對資料隱私安全問題，該論文提出了一個新的縱向聯邦學習正規化BlindFL，可支援多種特徵資料型別，且可以在半誠實安全假設下證明其安全性。實驗結果表明，BlindFL可有效保護參與方的隱私資料，並具有更高的執行效率。
騰訊歷來重視資料庫領域的研發，通過校企聯合實驗室共建，面向青年學者的CCF-騰訊犀牛鳥基金，騰訊犀牛鳥科研專項等與高校、科研機構構建“產學研”一體的長期合作，將技術研究成果轉換為應用落地，校企聯合持續輸出前沿技術創新與示範性應用。
此前，騰訊雲資料庫TDSQL曾多次亮相資料庫三大頂會SIGMOD、ICDE、VLDB，以及資料科學領域的頂級期刊IEEE TKDE等。騰訊雲資料庫TDSQL將繼續加大對資料庫基礎研究創新、資料庫產學研合作生態的建設投入，充分釋放領先技術的紅利，助力國產資料庫學術人才培養和技術創新生態建設發展。
為幫助廣大資料庫愛好者更加詳細地瞭解論文內容，我們邀請到了中國人民大學副教授、博士生導師、騰訊犀牛鳥基金獲得者張峰老師，華中科技大學副研究員、網際網路+國賽金獎專案“資料庫智慧管家的創新與探索”指導老師劉渝及騰訊 TEG 機器學習平臺部 Angel Graph 團隊應用研究員、北京大學計算機系在讀博士生張文濤老師來到直播間解讀。6 月 21 日 15:00，不見不散！
掃描海報二維碼或點選閱讀原文，即刻報名參會！
